基于机器学习的高精度高分辨率气象因子时空估计

气象变量常作为重要的影响因子出现在环境污染、疾病健康和农业等领域,而高分辨率的气象资料可作为众多研究的基础数据,对推进相关研究的发展意义重大。本文以中国大陆为研究区域,利用2015年824个气象站点的气温、相对湿度和风速3套数据,结合不同的解释变量组合,分别构建了各自的GAM和残差自编码器神经网络（简称残差网络）模型,以10倍交叉验证判断模型是否过拟合。研究结果表明：① GAM和残差网络方法都不存在过拟合问题,同GAM相比,残差网络显著提高了模型预测的精度（3个气象因素的交叉验证CV R²平均提高了0.21,CV RMSE平均降低了37%）,其中相对湿度模型的提升幅度最大（CV R²:0.85 vs. 0.52,CV RMSE:7.53% vs. 13.59%）;② 残差模型的结果较普通克里格插值结果和再分析资料更接近站点观测数据,表明残差网络可作为高分辨率气象数据研制的可靠方法。此外,研究还发现在相对湿度模型中加入臭氧浓度和气温、在风速模型中加入GLDAS风速再分析资料,可提升模型的性能。     

尼日尔三角洲东部深水区构造特征及其形成机理

研究尼日尔三角洲东部深水区块发现,整个盆地从陆向洋具有3个大的构造分区：伸展拉张区、过渡区和挤压逆冲区。伸展区以大型同沉积断层伴生大量滚动背斜构造为特征,过渡区发育大量泥底辟构造,挤压区以复杂的逆冲叠瓦构造为主。通过分析形成机理,揭示东部深水转换带上M研究区构造特征,按构造的演化特征将该区构造分为泥底辟型、冲断-泥底辟混合型、逆冲型3种类型,提出研究区内的圈闭主要以构造-岩性圈闭为主,为尼日尔三角洲盆地深水勘探提供新的理论指导。     

基于剪切波速的深层砂土地震液化研究

阐述了剪切波速法判别饱和砂土液化的原理,结合武汉地区某工程实例,对场地内埋深超越"规范法"适用范围的砂层进行液化判别,确定场地的临界液化深度。通过与室内动三轴试验的对比得出,2种方法的液化判别结果及确定的临界液化深度均吻合较好,验证了以剪切波速为指标的液化评估方法的可行性。     

浙江省台州-昌化深部构造特征探测

采用高分辨折射和宽角反射/折射综合地震探测方法,在浙江省中部沿黄岩、临海、东阳、桐庐、昌化进行深部构造探测,获得一条长约350km的速度结构剖面。探测结果表明,地壳结构具有明显的多层性,存在3个速度间断面;基底速度结构图像揭示了速度结构的横向非均匀性,这种不均匀性既对应于地质构造单元的分界线或断裂构造带,也反映出东西部构造特征的差异性。     

浮力装置触发深海管道水平向整体屈曲效果的数值模拟研究

海洋油气资源的运输主要通过海底管道进行,管道在工作时受到较大的温度荷载,会产生整体屈曲变形。深海管道设计中常采用人为装置触发一定程度的水平向整体屈曲变形,来释放轴向的温度应力,浮力装置是常用的触发方式之一。本文通过数值模拟研究,分析了不同浮力大小和不同浮力施加范围下,管道水平向整体屈曲的临界屈曲力,得出临界屈曲力随浮力大小和施加范围变化的情况;并研究了不同土体阻力下,浮力装置触发整体屈曲的效果。研究表明,水平向土体阻力较大时,浮力装置触发水平向整体屈曲的效果较好。浮力装置的触发效果对轴向土体阻力不敏感。     

基于支持向量机的GNSS时间序列预测

在深度学习的理论框架下,针对预测全球卫星导航系统(GNSS)时间序列,传统的经验风险最小化预测模型误差大精度低,泛化性能差且对历史数据的经验依赖大的问题.提出一种采用结构风险最小化原则的基于支持向量机(SVM)的时间序列预测模型.通过和多层的BP神经网络预测模型预测效果比较,结果证明SVM预测模型拥有更好的时间序列预测效果.     

检索词优化与空间自适应的深网POI获取方法研究

针对检索词库构建困难、数据请求量受限制等相关问题,该文提出一种基于独立覆盖率排序和空间自适应剖分的深网POI信息搜索方法,通过候选检索词初步构建、贪婪式探测搜索、检索词优化降维、空间自适应剖分爬行等主要流程,利用逐步逼近POI搜索的最大覆盖最优解,实现对深网POI信息的全量获取,大幅度提高深网POI数据的召回率与采集效率,该方法对于丰富地理信息资源、提升空间信息服务与内容管理能力具有重要意义。     

Semantic segmentation of high spatial resolution images with deep neural networks

Availability of reliable delineation of urban lands is fundamental to applications such as infrastructure management and urban planning. An accurate semantic segmentation approach can assign each pixel of remotely sensed imagery a reliable ground object class. In this paper, we propose an end-to-end deep learning architecture to perform the pixel-level understanding of high spatial resolution remote sensing images. Both local and global contextual information are considered. The local contexts are learned by the deep residual net, and the multi-scale global contexts are extracted by a pyramid pooling module. These contextual features are concatenated to predict labels for each pixel. In addition, multiple additional losses are proposed to enhance our deep learning network to optimize multi-level features from different resolution images simultaneously. Two public datasets, including Vaihingen and Potsdam datasets, are used to assess the performance of the proposed deep neural network. Comparison with the results from the published state-of-the-art algorithms demonstrates the effectiveness of our approach.     

三门峡断陷盆地及邻区深部结构及成因——来自深地震反射与大地电磁测深的证据

近年来,围绕三门峡断陷盆地中的油气、地热资源做了大量的工作,成因机制研究较少,严重制约了矿产资源的勘探开发。本文在前人研究工作基础上,结合野外地质调查并利用高精度深反射地震剖面、大地电磁（MT）、重磁等地球物理探测技术,对三门峡盆地进行综合研究。发现三门峡盆地主要由东、西2个负花状构造构成,西花状构造体大于东花状构造体;盆地东部边缘以观音堂隆起与洛阳凹陷相邻,观音堂隆起发育有壳内透镜状低速体,其东、西两侧均发育有规模较大的隐伏逆断层。研究区内莫霍面为大约5 km厚度滑脱层,在深反射地震剖面上表现为蚯蚓状反射特征,指示滑脱层为西向运动。莫霍面滑脱层上部与下部新发现多条弧形断层。地质与地球物理资料综合研究表明,莫霍面滑脱层的解耦作用是三门峡断陷盆地花状构造形成的主因;在不同时空构造力系作用下,形成研究区新生代全地壳旋转花状构造盆地。     

中国大陆强震孕育深处的变形模式

地震预测面临着地球内部的"不可入性"和大地震"非频发性"的问题,是极具挑战性且尚待解决的世界性科学难题之一(陈运泰,2009) .地震活动是断裂活动的直接体现,精定位的震源深度客观反映了断裂深部发生地震滑动变形的起始位置.断裂深部发生的慢滑动和重复地震等对揭示断裂深部行为具有重要的指示意义(Harris,2017).在...